国内首个与ChatGPT不同机制的通用大模型发布，算力消耗缩减50%

1月24日下午，国内AIGC企业上海岩芯数智人工智能科技有限公司（岩芯数智，RockAI）在上海发布了国内首个自研的非Transformer Attention机制的低算力通用自然语言大模型——Yan模型，记忆能力提升3倍、速度提升7倍，推理吞吐量提升5倍。

这是国内首个发布的与ChatGPT不同机制的通用大模型，参数规模达百亿。该公司称，这是用百亿级参数达成千亿参数大模型的性能效果。

岩芯数智CEO刘凡平表示，“在全球范围内，一直以来都有不少优秀的研究者试图从根本上解决对 Transformer架构的过度依赖，寻求更优的办法替代 Transformer。历经超过几百次的设计、修改、优化、对比、重来后，岩芯数智自主研发出了不再依赖Transformer的全新架构——‘Yan架构’，同时，基于Yan架构的低算力通用大模型应运而生。我们期望Yan架构可作为 AI 领域的基础设施，并以此建立AI领域的开发者生态，最终让任何人在任何设备上都能使用通用大模型，获取更加经济、便捷、安全的AI服务。”

据悉，成立于2023年6月的岩芯数智，是A股上市公司岩山科技（002195.SZ）旗下宣布拥抱AIGC新浪潮、向数智化转型并更名后成立的新公司，专注于打造为百业赋能的一站式AIGC数智化服务平台。而岩芯数智的团队则于2022年在内部组建。

Yan模型是岩芯数智最新自研的百亿级参数模型，主要针对To B行业领域，目前公司已提供多种场景的解决方案。例如RockAI模型大脑可以让企业拥有私域的知识大模型，实现跨文档知识整合、实时信息记录，可用于银行金融、政务办公等。

Yan模型的最大特点，是采用非Transformer Attention（注意力）机制。据悉，包括火热的ChatGPT、BERT等大模型，普遍采用Transformer基础架构，而Attention机制区别于CNN技术，是通过参数和大数据利用算力训练形成的技术体系，则根据应用场景的不同而输出不同信息，通俗来说是把注意力集中放在重要的点上而忽略其他不重要的因素。Attention主要分为空间注意力和时间注意力，前者用于图像处理，后者用于自然语言处理。

刘凡平此前对钛媒体App表示，他们在对Transformer模型不断的调研和改进过程中，意识到了重新设计大模型的必要性：一方面，在Attention机制下，现有架构的调整几乎已经达到瓶颈；另一方面，岩芯数智更期望降低企业对大模型的使用门槛，让大模型在更少的数据、更低的算力下具备更强的性能，以应用于更广泛的业务。因此，岩芯数智希望研发非Transformer架构模型。

 

据介绍，相比Transformer架构的模型，Yan模型算力消耗缩减50%、推理效率提升7倍、准确率提高3倍、推理吞吐量提升5倍。针对长序列环境，在单张4090 24G显卡上，当模型输出token的长度超出2600时，Yan模型显存使用始终稳定在14G左右，理论上能够实现无限长度的推理，而Transformer模型会出现显存不足。

此外，Yan模型也同时具备私密化、经济化、精准化和实时性、专业性、通用性等六个商业化落地能力。而且，该团队首次研发了一种合理的关联特征函数和记忆算子，可降低模型内部结构的复杂度，发掘决策过程的透明度和可解释性，从而助力全新架构下的Yan模型在医疗、金融、法律等领域的广泛运用。

刘凡平透露，接下来岩芯数智将打造全模态实时人机交互系统，全面打通感知、认知、决策与行动，构建通用人工智能（AGI）的智能循环体（类似于Agents），为通用机器人等具身智能方向的研究提供大模型基础底座的“更多选择”。他强调，通过提供基于Yan架构的专业生产力工具，实现端侧训练、训推一体，推动企业数智化发展。

岩芯数智董事长陈代千表示，随着Yan模型的进一步落地和应用，未来公司将为机器人、嵌入式设备、物联网设备等领域提供所需的智能化能力，为企业和用户创造更多的价值。